觉得多元回归太low了，想让模型更加高大上吗？想让模型更精确吗？那么赶快用虚拟变量吧。在多元回归中如果样本存在异质性，那么模型很可能给出错误的结论。使用虚拟变量主要就是为了解决样本的异质性问题。当样本存在异质性时，最简单的办法就是把样本按性质分为几类，然后分别做回归，因而虚拟变量本质上就是把样本分类后做回归。
1 虚拟变量的基本形式
虚拟变量有两个形式，一种是直接加入模型中，只对常数项产生影响；一种是和解释变量的乘积项加入模型中（具体和哪个解释变量相乘根据需要而定），将对被解释变量的系数产生影响。当然，可以把他们组合在一起，同时影响截距项和系数。
1.1 虚拟变量是二分类变量
如性别变量有{男、女}两个分类，那么应该设置1个虚拟变量D，当D=1时代表男性，当D=2时代表女性（也可以设置当D=1时代表女性，当D=2时代表男性）。
形式１：
形式2：
1.2 虚拟变量是多分类变量
如地区变量有{东、中、西}三个分类，那么应该设置两个虚拟变量D1和D2。当地区为东部时，D1=1，D2=0；当地区为中部时，D1=0，D2=1；当地区为西部时，D1=0，D2=0。
形式1：
形式2：
2 虚拟变量的例子 ——二分类虚拟变量
在多元线性回归的例子中，发现企业的上市地点有上海和深圳两个，那么在不同地点上市会不会对其roe产生影响呢？这里可以采用虚拟变量方法来进行研究。
首先，添加虚拟变量D，当上市地点为上海时，D=1，当上市地点为深圳时，D=0。
2.1 新建工作文件并导入数据
在Eviews软件中，依次点击主界面的file/new/workfile，进入工作文件创建窗口。
选择Workfile structure type下面的Unstructured/Undated，Observations中输入1187，然后点击OK。
在EViews主窗口选择file/import/imoort form file,
选择Excel数据文件的存放位置，进入数据导入向导窗口，其中第一列是虚拟变量D。
d是EViews保留关键词，不能当做变量名，所以虚拟变量名设为dd，然后点击下一页，完成数据导入。
2.2 截距项虚拟变量形式的估计
首先，按照多元线性回归中的方法进行变量变换，得到lnlabor和lnage变量。
其次，在工作窗口中，按着ctral键依次选择roe dd liquit turnover lnage lnlabor变量，右键选择Open/as Equation。
在Equation specification窗口中自动填入了回归命令，点击确定。得到估计结果！
在估计结果中，由于DD变量系数的P值为0.184，大于0.1，DD变量不显著。即无论在上海上市还是深圳上市，企业的初始ROE不存在差异。
2.3 系数项虚拟变量形式的估计
我们想判断在两地上市企业的流动比率对roe的影响是否有差异。在上面步骤的基础上，在EViews主窗口中选择Quick/Generate Series。
在变量生成窗口中，输入 dliquit=dd*liquit,点击ok。
在工作文件窗口中，按着ctral键依次选择roe liquit dliquit turnover lnage lnlabor变量，右键选择Open/as Equation。在出现的新窗口中直接点击确定，得到估计结果。
在估计结果窗口中，DLIQUIT变量的P值为0.3859，大于0.1，所以不显著。即在两地上市企业的流动比率对roe的影响没有差异。影响程度均为liquit变量的系数1.571702。
当然，可以进一步生成 dturnover=dd*turnover变量，同时研究在两地上市企业的流动比率、资产周转率对roe的影响是否有差异。甚至把DD也同时加入模型中。
在估计结果中有三个虚拟变量，DD，DLIQUIT和DTURNOVER，这三个变量的P值都不显著，说明企业的ROE与在上海上市还是深圳上市无关。
3 虚拟变量的例子——多分类虚拟变量
在多元线性回归的例子中，发现企业的规模存在差异，那么在不同规模的企业，解释变量对roe的影响是否一致呢？这里可以采用虚拟变量方法来进行研究。
添加虚拟变量D1和D2，当为大型企业时，D1=1，否则D1=0；当为中型企业时，D2=1，否则D2=0。通过这样设定，D1=1，D2=0表示大型企业；D1=0，D2=1表示中型企业；D1=0，D2=0则表示小型企业。
3.1 导入数据
在EViews主窗口中选则New Object
在New Object窗口的Type of object中选择Series，Name for oject 输入d1，点击ok。按照相同步骤，新建d2变量。
在工作窗口中，按着Ctrl键依次选中d1和d2，右键选择Open/as Group。
在Group窗口中，点击Edit+/-,进入编辑模式，然后从Excel文件中将虚拟变量D1和D2粘贴进来，然后直接关闭Group窗口。
注意Excel文件中企业的顺序应该与EViews之前企业数据的顺序一致
3.2 截距项虚拟变量形式的估计
在工作窗口中，按着ctral键依次选择roe d1 d2 liquit turnover lnage lnlabor变量，右键选择Open/as Equation。在新窗口中将c去掉，然后点击确定进行估计（这里为了演示虚拟变量显著的情况，所以去掉了截距项c；但正常情况下模型中应当加入截距项）。
估计结果显示，D1变量系数的P值为0.0588，显著，D2变量系数的P值为0.1553，不显著。
注意，当虚拟变量为多分类变量时，比较的基准是没有设置变量的那个类别（在本例中，比较的基准是小型企业）。因而，D1显著，且D1的系数值为9.992891，表明与小型企业相比，大型企业的初始ROE水平更高。D2不显著，表明与小型企业相比，中型企业的初始ROE水平不存在差异。
中型企业和大型企业在模型中没有直接对比，但可以间接判断，因为中型企业与小型企业roe一样，大型企业高于小型企业，所以大型企业也应该高于中型企业。
3.3 系数项虚拟变量形式的估计
我们想判断不同规模企业的流动比率对roe的影响是否有差异。在上面步骤的基础上，在EViews主窗口中选择Quick/Generate Series。在变量生成窗口中，输入 d1liquit=d1*liquit,点击ok，生成d1liquit变量。安装相同方法，生成d2liquit变量。
在工作文件窗口中，按着ctral键依次选择roe liquit d1liquit d2liquit turnover lnage lnlabor变量，右键选择Open/as Equation。在出现的新窗口中直接点击确定，得到估计结果。
估计结果窗口显示，D1LIQUIT和D2LIQUIT变量系数的P值均大于0.1，因而都不显著，表明不同规模企业的流动比率对roe的影响不存在差异。
当然，可以进一步研究不同规模企业的资本周转率对roe的影响是否有差异。可以按照相同的操作步骤进行估计。
估计结果窗口显示，D1TURNOVER和D1TURNOVER变量的系数分别为9.308877和7.545686，且P值均小于0.1，显著。所以资本周转率每提高1单位，大型企业可以比小型企业ROE多增加9.308877单位；中型企业可以比小型企业ROE多增加7.545686单位。
3.4 进一步研究
对于多分类变量，有两种数据类型，一类是无序数据，例如（东部、中部、西部）；一类是有序疏解，如（大、中、小）。 上例中，企业规模分为大中小三类，属于有序数据，除了可以用虚拟变量方法外，还可以直接设置一个变量，即设置一个变量M，当为小型企业时，M=1，当为中型企业时，M=2，当为大型企业时，M=2。然后直接将M变量加入模型进行估计。
可以在Excel中增加M变量后导入EViews，也可以在EViews中根据D1和D2来生成M变量。这里采用后面的方法。
在EViews主窗口中选择Quick/Generate Series。在变量生成窗口中，输入 m=(d1*2+d2)+1,点击ok，生成m变量.
在工作文件窗口中，按着ctral键依次选择roe m liquit turnover lnage lnlabor变量，右键选择Open/as Equation。在出现的新窗口中将c去掉，点击确定进行估计（为了和设置d1、d2两个虚拟变量的情况比较，这里也将截距项c去掉）。
在估计结果窗口中，M变量系数的P值为0.0251，显著。表明不同企业规模初始ROE存在差异。M变量的系数为3.861143，其表明中型企业比小型企业大3.861143，大型企业比中型企业也大3.861143，即大比中、中比小的差距是相同的。而对于设置D1和D2两个虚拟变量的情况，大型企业、中型企业和小型企业的差距可以不同，因而设置D1和D2两个虚拟变量对不同规模企业roe差异的约束更小。